窝眼轮排种器排种图像处理及性能分析

用视觉方法检测窝眼轮排种器的性能,通过采集窝眼轮排种口种子流样本视频文件,以MATLAB软件为图像处理技术手段,得到有清晰种子目标的二值化图片,并将每张图片中的种子数加以存储。通过判别种子数的多少来确定出漏播、合格、重播的型孔数目,从而得出该排种器的性能指标,实现了对窝眼轮排种器性能的无接触、无损伤、无污染、高效率和高精度检测分析。     

水稻害虫图像识别技术研究

[目的]解决水稻害虫传统识别方法的低时效性问题。[方法]采用数字图像处理方法对水稻害虫进行图像识别和分类,对水稻害虫的虫体面积、虫体周长、偏心率、形状参数、似圆度、叶状性、球形性等几何形状特征进行提取和研究,并采用支持向量机(SVM)分类器对水稻害虫二化螟、三化螟、稻飞虱、卷叶螟进行分类。[结果]利用所建立的6个特征判别函数对4种水稻害虫进行判别分类,识别率达到96.67%,说明这6个经过筛选的特征具有很强的判别性。[结论]支持向量机分类器的识别方法很好地解决水稻害虫传统识别方法的低时效性问题。支持向量机以风险最小化为原则,兼顾训练误差与测试误差的最小化,具体体现在分类模型的选择和模型参数的选择上。     

基于图像的嵌入式森林火灾监控系统研究与设计

针对目前我国森林防火远程监控中存在的不足,提出了一种基于嵌入式处理平台的森林火灾监控系统,对系统硬件设计和林火图像识别算法两个方面做了详细论述.系统以嵌入式微处理器作为现场控制器的主控单元,现场控制器通过串口与CCD摄像机进行实时通信,获取监测区域的图像信息,对获取的图像信息进行林火识别,若系统判断有林火发生,则将火情信息通过无线网络传送给监控中心,从而达到第一时间发现森林火灾的目的.通过在林区现场进行的试验表明,该系统能够克服工作环境的干扰,且具有响应速度快、识别率高以及监控区域广等特点.     

复叶中小叶主叶脉及其生长角的提取

复叶中小叶的生长角度可作为特征参数识别复叶植物。首先利用改进的Sobel算子和中值滤波提取复叶叶轴和小叶的主叶脉,进而利用Hough变换线性检测获取复叶叶轴和小叶主叶脉的直线,利用所检测的直线计算得到小叶的生长角度。此外,对基于Hough变换线性检测的适用性进行探讨,发现Hough变换线性检测可以很好地适用于小叶主叶脉呈直线的复叶;但对于小叶主叶脉呈现弯曲状时,Hough变换线性检测时会出现明显的缺陷,需要采用外接矩形方法提取小叶的生长角度。提取结果表明,所采用的算法可以有效地提取复叶中小叶的生长角度。     

实现识别行间苗草的机器视觉系统设计

在耕作试验室的试验环境之下,开发并测试了能够识别行间苗草作物的机器视觉系统,硬件系统主要由速度可控制的土槽试验车装备、固定在可升降平台上可实时采集图像的imagesoure工业摄像头和作为控制台的工控计算机组成;机器视觉系统根据植物和背景的颜色特征二值化图像与田间作物的位置特征识别苗草。结果表明,采集并处理一副大小为640×480像素的彩色图像的平均时间为291 ms,在行驶速度为1.8 km·h-1条件下系统正确识别率达到了95%。     

基于视频处理的分层流持液率测量

截面持液率是气液两相流的基本参数之一。在气液两相实验系统上进行实验,采用高速摄像机系统获取了水平管气液两相流流型视频,提出了一种针对两相流动视频实现持液率检测的新方法。该方法针对自然光下拍摄的气液两相分层流图像气液区域与气液界面模糊、边缘难以直接提取的难点,采用新的递变规律加强图像的灰度使画面效果清晰化,通过中间线计算法提取气液边界线,进而通过提取的气液界面距离管底高度数据,计算管路持液率,其中包括同一帧图像不同截面的持液率以及同一截面持液率随时间的变化情况。实践证明：在自然光干扰较大的拍摄条件下,该方法能够获得连续、清晰的气液相边界,可推广应用于其他流型图像的分析和检测。（图9,参8）。     

基于虚拟仪器视觉系统苹果图像采集装置的研究

以虚拟仪器视觉系统为主要技术手段,综合运用图像学、机械学、电子技术和计算机科学等方面的知识,以苹果为研究对象,在LED背景光源下通过NI1744智能相机对苹果图像进行实时采集,对所采集图像进行识别和处理,实现对苹果的分级。结合苹果分选装置的结构,具体介绍了供料机构、图像处理、光学检测系统、分选系统和测控系统等重要部分的设计及其工作原理,为以后水果分选机的研制提供了重要的理论依据。     

无核白鲜葡萄机器视觉质量预测研究!

以新疆无核白鲜葡萄为研究对象,采用机器视觉技术预测葡萄穗的质量。首先,提取RGB图像,做G,B双通道分量加运算R+B,采用高斯低通滤波法滤除图像中的噪音,采用Gamma变换法调整图像灰度,从而增强前景与背景的对比度。其次,采用自动阈值分割法分割图像,经数学形态学的腐蚀和开运算获得最佳二值图像,提取二值图像中目标区域的几何特征。最后,采用一元线性回归、多元线性回归和偏最小二乘回归预测葡萄穗的质量。结果表明,提取分割后的葡萄穗面积、周长、长轴及短轴长度等特征建立的偏最小二乘回归模型,其预测葡萄穗质量效果最佳,相关系数r2为96.91%。     

高速打蛋机蛋清蛋黄分离中基于计算机视觉的散黄蛋识别研究

链式打蛋机用于鸡蛋蛋清蛋黄的快速分离,针对鸡蛋散黄无法分离的问题,提出了基于彩色图像处理的对散黄蛋进行自动识别的方法.利用机器视觉装置采集链式打蛋机生产线上的图像,从每一幅原始图像中根据坐标裁剪出目标区域260×240像素的子图像,选定蛋黄的黄色区域作为样本点,在RGB空间利用欧几里得距离对图像进行分割,找出蛋清斗中蛋黄的区域,计算蛋黄区域的面积,通过蛋黄面积大小进行判断鸡蛋是否散黄,达到对散黄蛋进行识别的目的,本方法对散黄蛋识别的正确率达到96.67％;用图像识别的方法可快速判断鸡蛋散黄情况,可以将本方法应用到生产实践中代替人眼进行识别.     

基于图像处理技术的小麦叶面积指数的提取

为了较好地模拟叶面积指数的变化动态,在大田条件下进行试验,获取5个品种5个密度下不同发育期的小麦群体冠层数字图像,并手工测得实际叶面积。通过研究设计了复杂背景下小麦冠层图像叶面指数的有效提取方法,将图像处理得到的叶面积指数数据与实际测得的数据进行拟合建立模型。结果表明：品种、密度和发育期的差异对拟合模型参数影响显著,对模型经过随机抽取样本图像进行假设检验,均能够通过检验。模型的相关系数平方均达到0.86以上,能够实现高精度的小麦冠层叶面积指数的估测。